Cohere 开源解码 megakernel 推理引擎,比 vLLM 快最高 1.58 倍
cohere · x · 2026-09-09
Cohere 发布了首个围绕 decode megakernel 构建的完整 LLM 推理服务系统,完全开源。
- 核心思路:megakernel 将整个 LLM decode 前向计算融合为单个持久化 CUDA kernel 启动,消除逐算子的 launch 开销与算子间全网格同步,最大化 GPU 利用率
- 性能:单张 H100(BF16)上 BS=1 解码较 vLLM 快 1.58 倍,BS=8 端到端服务达 1.25–1.41 倍,达到 H100 speed-of-light 的 62%
- 定位:早期研究版本,提供 OpenAI 兼容 API,目前仅支持单卡 H100(sm90a)、CUDA 13+、batch ≤8,为 North Mini Code 构建
所属事件:Cohere 开源 Megakernel 推理引擎，快过 vLLM 1.58 倍(2 条相关)→
「Infra」频道最新
- Anthropic S-1：训练基建优势使单任务成本降40%、营收增速翻倍 — BenBajarin · 2026-10-26
- 研究揭示合成数据最优比例随算力从10%升至32% — heghbalz · 2026-10-26
- 多州暂停新建数据中心，72% 美国人反对建在家门口 — YvesMulkers · 2026-10-26
- 500 万美元种子轮不够 DeepSeek 训一遍:没 GPU 的 AI 创业只剩三条路 — FinanceYF5 · 2026-10-26
- HBM 需求转向:低端推理砍单,Rubin 将全系 12-high HBM — BenBajarin · 2026-10-26
- CircuitHub 发布工厂级机器人 The Grid，美国产 PCB 提速两倍对标深圳 — garrytan · 2026-10-26